买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电建集团福建省电力勘测设计院有限公司申请的专利一种双重注意力CNN-BiLSTM的电力系统状态估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118211120B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410461104.6，技术领域涉及：G06F18/241；该发明授权一种双重注意力CNN-BiLSTM的电力系统状态估计方法是由王金友;陈佳桥;叶恒志;蔡小玲;薛文超;毛琪琪设计研发完成，并于2024-04-17向国家知识产权局提交的专利申请。

本一种双重注意力CNN-BiLSTM的电力系统状态估计方法在说明书摘要公布了：本发明公开了一种双重注意力CNN‑BiLSTM的电力系统状态估计方法，本方案方法通过将卷积神经网络CNN、双向长短期记忆神经网络BiLSTM和注意力机制相结合，形成双重注意力CNN‑BiLSTM神经网络，其提高模型的性能，在模拟实际量测的情况下进行状态估计，能够快速得到准确的结果。该方法分为两个阶段，离线阶段，搭建模型设置参数，进行数据处理输入历史量测数据集在所搭建模型上进行训练，保存得到的状态估计模型；在线估计阶段，将实时量测数据输入训练好的模型进行状态估计，得到状态估计结果；最终，通过仿真验证所提方法的有效性；最终通过测试仿真模型进行详细客观的实验分析，表明了本技术方案所提方法的有效可行性。

本发明授权一种双重注意力CNN-BiLSTM的电力系统状态估计方法在权利要求书中公布了：1.一种双重注意力CNN-BiLSTM的电力系统状态估计方法，其特征在于，其包括： S01、从电力系统的历史运行负荷进行潮流计算，得到多断面历史潮流数据，然后将其作为真实值； S02、在多断面历史潮流数据的基础上，加入高斯白噪声，生成多断面量测信息； S03、对多断面量测信息进行数据进行归一化处理、维度转换处理和数据平铺预处理，然后按照7：3的划分比例，提取70％的数据作为训练集，30％的数据作为测试集； S04、构建CNN-BiLSTM模型，在模型训练前，设置其网络结构和模型参数； S05、通过训练集对所构建的CNN-BiLSTM模型进行训练，计算单次迭代的估计结果和实际值计算误差，然后更新模型权重，再通过打乱训练集的数据进行下一次迭代，直至达到预设次数后，训练结束，再将测试集导入经训练的CNN-BiLSTM模型中测试，在测试结果符合要求时，保存CNN-BiLSTM模型； S06、将电力系统的实时断面量测信息输入训练好的CNN-BiLSTM模型中，以获得当前电力系统的系统状态量； 其中，S04中，所构建的CNN-BiLSTM模型包括SE-CNN模型和FA-BiLSTM模型； 其中，SE-CNN模型为在CNN网络中添加通道注意力机制的SENet模块形成，其用于提取数据的空间特征； FA-BiLSTM模型为在BiLSTM网络中添加FA模型形成，其用于双向发掘数据的时序特征； 所述SE-CNN模型对输入的数据进行分类卷积运算和挤压激励处理； 在分类卷积运算时，输入的数据X被分为g组，其以相同的参数量进行运算，生成输出特征图； 挤压激励处理时，对输出特征图进行堆叠处理，得到未加权的特征图U，然后通过数据挤压操作，使得各通道内含有的信息进行空间维度的聚合，形成包含各个通道重要程度信息的多维统计量，然后经激励、放缩处理后，赋予通道权重后输出； 其中，挤压激励处理时，采用全局平均池化与全局最大池化实现，将二者分别池化后的数据进行相加，池化过程为将未加权的特征图U沿其空间维度H×W压缩，得到多维统计量z∈RC，其中，第c个元素表示为： 式1中,uci,j为输入数据中第i行第j列的元素； 在激励处理时，通过两个全连接层来构成参数化的门控机制，第一个全连接层将输入的C维统计量z降维成Cr维度后，第二个全连接层将其升维成C维，即： 式2中，W1和W2分别为两个全连接层的参数，r为比例参数，s是代表特征图U中各个通道重要程度的权重； 在放缩处理时，将得到的权重s与未加权输出U按通道相乘，形成最终输出

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电建集团福建省电力勘测设计院有限公司，其通讯地址为：350000 福建省福州市五四路268号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。